一种融合地学先验与自适应Gamma损失的多源降水智能融合方法及系统技术方案

本发明专利技术提供了一种融合地学先验与自适应Gamma损失的多源降水智能融合方法及系统，涉及气象遥感数据融合与人工智能降水估计领域。本发明专利技术通过构建多源观测张量与地学先验特征矩阵，提取历史降水统计量并经元学习生成Gamma分布参数，构建自适应损失函数；将融合特征输入深度网络联合优化模型权重与分布参数，输出降水估计值与后验分布，经置信区间采样、地形一致性检验和平滑处理，形成最终降水产品。本发明专利技术能够提高极端降水估计精度与泛化能力。

【技术实现步骤摘要】

本专利技术涉及气象遥感数据融合与人工智能降水估计领域，特别是涉及一种融合地学先验与自适应gamma损失的多源降水智能融合方法及系统。

技术介绍

1、目前，定量降水估测已形成由卫星被动微波/红外、地基多普勒雷达及雨量计网格化插值等多源观测手段构成的立体监测体系。各类公开产品，例如imerg、gpm、mrms，可在分钟级、百米-公里级时-空分辨率上提供准实时降水信息，并在流域洪水预报、城市内涝预警和农业干旱评估中得到广泛应用。

2、随着深度学习和大数据技术的发展，多源降水融合正从传统的统计权重法、卡尔曼滤波法迭代迈向“数据-模型-机理”耦合的智能融合范式：①引入高精度dem、土地利用、气候区划等地学先验特征，以提升空间非均匀区域(高山、海陆过渡带)的定量刻画能力；②采用概率分布敏感损失函数，使模型能够显式学习降水的不确定性与极端尾部；③融合可解释ai和元学习，实现不同气候尺度、不同降水类型间的自适应泛化。

3、然而，现有深度融合方法大多默认降水误差近似服从对称分布(如高斯)，仅在输出端事后做gamma或对数正态拟合，导致对偏态、尖峰-厚本文档来自技高网...

【技术保护点】

1.一种融合地学先验与自适应Gamma损失的多源降水智能融合方法，其特征在于，包括：

2.根据权利要求1所述的融合地学先验与自适应Gamma损失的多源降水智能融合方法，其特征在于，构建多源降水观测张量，包括：

3.根据权利要求1所述的融合地学先验与自适应Gamma损失的多源降水智能融合方法，其特征在于，基于数字高程模型、长期气候均值、地表动力参数、土地利用和覆盖参数，生成与所述多源降水观测张量同格网的地学先验特征矩阵，并与所述多源降水观测张量按通道维度拼接，得到融合特征张量，包括：

4.根据权利要求3所述的融合地学先验与自适应Gamma损失的多源降水智...

【技术特征摘要】

1.一种融合地学先验与自适应gamma损失的多源降水智能融合方法，其特征在于，包括：

2.根据权利要求1所述的融合地学先验与自适应gamma损失的多源降水智能融合方法，其特征在于，构建多源降水观测张量，包括：

3.根据权利要求1所述的融合地学先验与自适应gamma损失的多源降水智能融合方法，其特征在于，基于数字高程模型、长期气候均值、地表动力参数、土地利用和覆盖参数，生成与所述多源降水观测张量同格网的地学先验特征矩阵，并与所述多源降水观测张量按通道维度拼接，得到融合特征张量，包括：

4.根据权利要求3所述的融合地学先验与自适应gamma损失的多源降水智能融合方法，其特征在于，所述地形指标包括海拔、坡度、坡向和距海距离。

5.根据权利要求4所述的融合地学先验与自适应gamma损失的多源降水智能融合方法，其特征在于，所述地学先验特征矩阵的表达式为：

6.根据权利要求1所述的融合地学先验与自适应gamma损失的多源降水智能融合方法，其特征在于，针对所述融合特...

【专利技术属性】
技术研发人员：赵娜，
申请(专利权)人：中国科学院地理科学与资源研究所，
类型：发明
国别省市：